《机器学习项目案例开发》课件 8.1聚类-KMeans.pptx

人工智能技术与应用8.K-MEANS聚类

课程概况—基本情况PART01聚类算法什么是聚类KMEANS算法KMEANS流程KMEANS优缺点

聚类的概念聚类的概念：聚类(clustering):是一种典型的“无监督学习”，是把物理对象或抽象对象的集合分组为由彼此类似的对象组成的多个类的分析过程。聚类的应用：客户分类、模式识别、数据预处理、图像分割

聚类的概念聚类的概念：有监督和无监督学习：有监督问题：数据有label无监督问题数据没有label聚类：相似的东西分到一组难点：如何评估，如何调参

K-MEANS算法?

KMEANS工作流程KMEANS工作流程：/p/blog/visualizing-k-means-clustering/

KMEANS工作流程KMEANS工作流程：原始数据(a)(c)(b)(d)指定K的值K=3计算每个质心到点的距离划分点到簇按照簇重新计算质心计算每个点到质心得距离重新划分簇重复计算质心更新簇/p/blog/visualizing-k-means-clustering/

K-MEANS优缺点K-MEANS优缺点优势：简单，快速，适合常规数据集缺点：K值很难确定，如果数据复杂很难确定，一般需要设置多个进行测试复杂度与样本呈线性关系：每次更新质心需要和每个样本点进行计算很难发现一个任意形状的簇：任意和形状不规则时

敬请指导！